Prematur dödlighet från kardiocerebrovaskulära sjukdomar i Bogotá: en analytisk maskininlärningsansats

Varför tidiga hjärt‑ och strokedödsfall spelar roll

I stora städer världen över dör många människor av hjärtsjukdomar och stroke långt innan de blir gamla. Den här studien granskar vad som händer i Bogotá, Colombia, och ställer en central fråga: vem dör för tidigt av dessa tillstånd, och varför? Genom att kombinera nationella dödsregister med moderna datormetoder visar författarna hur utbildning, sjukvårdstäckning och plats för dödsfallet hänger tätt samman med tidiga dödsfall från sjukdomar i hjärtat och hjärnans kärl. Deras arbete föreslår nya sätt för hälsomyndigheter att identifiera utsatta grupper och agera innan tragedier inträffar.

En närmare granskning av dödsfallen i staden

Forskarlaget analyserade alla registrerade dödsfall i Colombia mellan 2010 och 2022, med fokus på Bogotá. De studerade vuxna i åldern 30 år och uppåt som avlidit av fyra huvudorsaker: ocklusioner i hjärtats kranskärl, stroke, långvarig högt blodtryck och hjärtsvikt. Dödsfall före 75 års ålder betecknades som ”prematurt”, medan de vid 75 år eller äldre betraktades som dödsfall i högre ålder. I Bogotá utgjorde prematura kardiocerebrovaskulära dödsfall nästan 40 000 fall bland personer 30–74 år, med en större andel män än kvinnor. Många av dessa dödsfall inträffade hos personer med låg utbildningsnivå, de som bodde i stadens centrum och de som omfattades av anställningsbaserat försäkringssystem. Ischemisk hjärtsjukdom var den ledande orsaken, följd av stroke, högt blodtryck och hjärtsvikt.

Ökande trender och pandemins chock

När teamet plottade dödsfall över tid fann de att både prematura och högre åldersdödsfall från dessa tillstånd ökade stadigt under den 13‑årsperioden. Ökningen blev mycket skarpare 2020 och 2021, under höjdpunkten av COVID‑19‑pandemin. Män visade högre dödlighet och större år‑till‑år‑variation än kvinnor, och det fanns milda säsongstoppar, särskilt runt december och mitten av året. Bland personer över 75 år steg dödsfallen i samma riktning och ökade också kraftigt under pandemin. Dessa mönster tyder på att långvariga svagheter i hur kroniska sjukdomar förebyggs och behandlas förvärrades när hälsosystemet utsattes för extrem belastning.

Låta maskiner söka efter dolda mönster

För att gå bortom enkla räkningar och medelvärden vände sig författarna till maskininlärning, en familj metoder som låter datorer lära sig mönster från data. De använde dödsregister som innehöll ålder, kön, utbildning, etnisk grupp, försäkringstyp, år och plats för dödsfallet samt den övergripande dödsorsaken. Flera algoritmer testades för att se hur väl de kunde avgöra om ett dödsfall var prematurt eller inte. Bland dem presterade en metod kallad random forest bäst och uppnådde måttlig framgång i att skilja tidiga från senare dödsfall. Separata modeller byggdes också för varje sjukdomsgrupp, vilket förbättrade prestandan något och visade att mönstren bakom tidiga dödsfall inte är desamma för hjärtinfarkt, stroke, högt blodtryck och hjärtsvikt.

Sociala förhållanden som starka ledtrådar

Det mest påfallande resultatet var att sociala faktorer vägde tyngre än den specifika medicinska diagnosen. I både den generella modellen och de orsakspecifika modellerna var skolnivå konsekvent den bästa prediktorn för om ett dödsfall var prematurt. Typ av sjukförsäkring och plats för dödsfallet — om det skedde på sjukhus, hemma eller någon annanstans — kom tätt efter. Kön var särskilt viktigt för ischemisk hjärtsjukdom, där män hade högre sannolikhet att dö tidigt. Författarna använde en teknik kallad SHAP för att visualisera hur varje faktor drog prediktionen mot tidigare eller senare död, vilket visar till exempel att låg utbildning och vissa försäkringsscheman tenderade att vara kopplade till högre chanser att dö före 75 år.

Vad detta betyder för vardagen

För icke‑specialister är huvudbudskapet att tidiga dödsfall från hjärta och stroke i Bogotá inte enbart är en fråga om otur eller biologi. De speglar hur utbildning, inkomstkopplad försäkring och snabb tillgång till vård formar människors möjligheter att överleva till hög ålder. Även om dator­modellerna inte är perfekta — de klassificerar fall endast måttligt väl — pekar de redan tydligt på sociala förhållandens betydelse. Författarna menar att hälsomyndigheter kan använda sådana modeller som beslutsstöd: för att bevaka trender, upptäcka högriskgrupper och utforma förebyggande insatser som kombinerar bättre utbildning, mer rättvis sjukvårdstäckning och snabbare akutsjukvård. Kort sagt, att minska tidiga hjärt‑ och strokedödsfall kräver inte bara god medicin utan även större social rättvisa.

Citering: Malagón Sintura, Y.C., Arias-Ortiz, W.A. Premature mortality from cardio-cerebrovascular diseases in Bogotá an analytical machine learning approach. Sci Rep 16, 10307 (2026). https://doi.org/10.1038/s41598-026-39453-z

Nyckelord: prematur kardiovaskulär dödlighet, folkhälsa i Bogotá, maskininlärning i epidemiologi, sociala bestämningsfaktorer för hälsa, hjärtsjukdom och stroke